• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2015년도 전력전자학술대회 논문집
• /
• pp.277-278
• /
• 2015

태양광발전소를 설치하기 위한 경제적 타당성을 분석하는 경우 기상청에서 제공하는 해당지역의 날씨정보를 기반으로 하는 PV Cell의 연간 발전량 예측 및 분석이 중요한 변수가 된다. 또한 날씨 조건에 대한 PV 발전의 예측은 기 설치되어 운전중에 있는 태양광발전소의 고장진단 및 성능평가에도 사용될 수 있다. 본 논문은 다양한 날씨 조건 중 주변온도, 풍속, 일사량에 따른 PV Cell의 특성을 분석하고, 실시간으로 변화하는 날씨환경에 대하여 순시적으로 PV Cell의 출력특성을 정확히 예측할 수 있는 모델을 수립한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.389-392
• /
• 2012

에너지관리 지원 서비스는 공장 내에서 일어나는 전력발전 및 전력할당을 데어터 분석 기법 등을 이용하여 효과적으로 관리하는 것을 목적으로 한다. 특히 그 중에서도 태양광, 풍력 등 친환경 에너지를 이용한 에너지관리 시스템은 비용절감 뿐만 아니라 환경보호 측면에서도 중요한 문제라 할 수 있다. 이들 친환경 에너지를 제대로 이용하기 위해서는 그들의 발전량을 정확히 예측할 필요가 있지만 현재의 시스템에는 가장 기본적인 예측법인 최근접 이웃법을 사용하고 있다. 최근접 이웃법의 경우 노이즈와 아웃라이어에 민감하다는 단점이 있기 때문에 이들 상황에 대처할 수 있는 보다 정교한 예측법이 필요하다.

• KIEAE Journal
• /
• 제14권6호
• /
• pp.87-92
• /
• 2014

The objectives of this study are to investigate input variables of photovoltaic generation programs and to compare their prediction to actual generation of photovoltaic system in the C city hall and the C city sewage treatment plant. We investigated the actual amount of generation, the forecast amount of generation, the amount of solar radiation data, and calculated the relative errors. We simulated the photovoltaic system of C city hall and the C city sewage treatment plant located in Chungju using existing programs, such as SAM, RETSCREEN, HOMER, PV SYST, Solar Pro. The result of this study are as follows : Through examining the relative errors of monthly predicted and actual generation data, monthly generation data showed big errors in winter season?. Except winter season, actual amount of generation and the predicted amount of generation showed no large errors.

• 응용통계연구
• /
• 제34권5호
• /
• pp.723-734
• /
• 2021

빠르게 발전하고 있는 재생에너지 중 하나인 풍력에너지는 기후변화 대응에 맞추어 개발 및 투자가 이루어지고있다. 신재생에너지 정책과 발전소 설치가 추진됨에 따라 국내 풍력 보급이 점차 확대되어 수요를 정확히 예측하기 위한 시도들이 확대되고 있다. 본 논문에서는 전남지역과 경북지역의 풍력 발전량 예측을 위하여 시계열 기법인 ARIMA, ARIMAX 모형과 기계학습 모형인 SVR, Random Forest, XGBoost 모형들을 비교 분석하였다. 모형의 예측 결과를 비교하기 위한 지표로서 mean absolute error (MAE)와 mean absolute percentage error (MAPE)를 사용하였다. 2018년 1월 1일부터 2020년 10월 24일까지의 시간별 원 데이터를 차분한 후 모형을 훈련시켜 2020년 10월 25일부터 2020년 10월 31일까지의 168시간에 대한 풍력 발전량을 예측하였다. 모형의 예측력 비교 결과, Random Forest와 XGBoost 모형이 전남지역, 경북지역 순으로 가장 우수한 성능을 보였다. 향후 연구에서는 기계학습뿐 아니라 최근 활발한 연구가 이루어지는 데이터 마이닝 기법 기반의 풍력 발전량 예측을 시도할 것이다.

• 신재생에너지
• /
• 제10권2호
• /
• pp.19-28
• /
• 2014

Wind power generation of 5 MW wind turbine was predicted by using wind measurement data from HeMOSU-1 which is at south west coast of Korea. Time histories of turbulent wind was generated from 10-min mean wind speed and then they were used as input to Bladed to estimated electric power. Those estimated powers are used in both polynominal regression and neural network training. They were compared with each other for daily production and yearly production. Effect of mean wind speed and turbulence intensity were quantitatively analyzed and discussed. This technique further can be used to assess lifetime power of wind turbine.

• 중소기업융합학회논문지
• /
• 제6권4호
• /
• pp.93-98
• /
• 2016

최근 스마트 그리드와 관련된 프로젝트가 선진국을 중심으로 활발하게 연구되고 있다. 특히, 전력 문제의 장기적 안정 대책으로 분산전원이 주목받고 있다. 본 논문에서는 분산형 전원의 출력 예측을 위해서 물리모델과 통계모델을 조합하여 예측 정보 오차율을 비교분석할 수 있는 3차원 기상 수치 모델을 제안한다. 제안 모델은 분산형 전원의 예측정보를 향상시킬 수 있어 안정적인 전력계통 연계를 위한 예측시스템을 가능하다. 성능평가 결과, 제안모델은 발전량 예측 정확도가 4.6% 개선되었고, 온도보정 예측 정확도는 3.5% 향상되었다. 마지막으로 일사량 보정 정확도는 1.1% 향상되었다.

• 한국응용과학기술학회지
• /
• 제34권4호
• /
• pp.818-826
• /
• 2017

신 재생에너지 보급통계에 의하면 바이오매스 발전실적은 2013년 부터 급증하고 있으며 그 중에서 가장 급격하게 증가한 연료는 Wood pellet으로 2013년 696Gwh, 2014년 2,764Gwh, 2015년에는 2,512Gwh를 발전 하였고 국내 Wood pellet 총 소비량은 2015년 기준 148만톤이며 그 중 발전용으로 소비된 Wood pellet은 108만톤으로 약 73%를 차지하고 있다. 본 연구에서 Wood pellet 소요량을 예측한 결과 국내 발전용으로 필요한 Wood pellet 소요량은 2020년 261만톤, 2025년 685만톤, 2030년 1,139만톤이 필요하며, 최적 바이오매스 발전량 산정을 위하여 바이오매스 발전소에서 국내 생산 Wood pellet 사용량을 50% 사용한다는 가정하에 기 허가 신청된 발전소를 가동하기 위해서는 2021년 226만톤의 Wood pellet이 국내에서 생산되어야 한다는 결론이 도출 되었다.

• Nuclear Engineering and Technology
• /
• 제27권2호
• /
• pp.260-268
• /
• 1995

국내 원자력발전소의 방사성폐기물 발생량은 초고압 압축, 농축폐액 건조, 페수지 건조 등의 폐기물감용을 위한 운영계획이 수립되고 또한 일부 원자력발전소에서는 1995년부터 운영이 시작될 예정이어서 감소가 예상되고 있다. 원자력발전소로부터 방사성폐기물의 누적량은 2035년까지 운영자의 폐기물 감용 계획을 고려한다면 141,920 드럼으로 예상할 수 있고, 이에 상응하는 방사능량은 반감기가 한달 이상인 30개 핵종에 대하여 방사성 붕괴를 무시할 때 49,390 Ci였다. 특히 원자력환경관리센터에서 수행한 개념설계에 따른 1차 건설예정의 지하 처분동굴의 적재량인 약 10만 드럼은 2014년까지 누적량으로 채울 수 있고 이때 처분장의 장기적 성능평가에 주요 고려 대상인 반감기가 5년 이상의 14개 핵종에 대한누적 방사능량은 약 13,577 Ci였다. 이 예측된 발생량과 재고량은 처분장 장기적 성능 및 안전성 평가에 중요한 기초자료가 될 것이다.

• 전력전자학회:학술대회논문집
• /
• 전력전자학회 2010년도 추계학술대회
• /
• pp.267-268
• /
• 2010

본 논문에서는 풍력발전단지 설계를 목적으로 사용되고 있는 EMD사의 WindPRO2.6을 이용하여 서남해안에 설치된 50m 높이의 Met mast에서 1년 동안 관측된 풍황자원을 분석하고, 특정 풍력발전기를 적용하여 40MW급 해상풍력발전단지를 설계했을 경우 연간 생산되는 발전량을 예측하였다.

• 한국컴퓨터정보학회논문지
• /
• 제27권8호
• /
• pp.23-30
• /
• 2022

딥러닝은 주가 및 농산물 가격 예측과 같이 데이터를 분석해 일련의 규칙을 발견하고 미래를 예상해 우리의 삶에서 다양한 도움을 주고 있다. 본 연구는 태양광 에너지 사용의 중요성이 늘어나는 상황에서 기상에 따른 태양광 발전 실적을 딥러닝을 통해 분석하고 발전량을 예측한다. 본 연구에서는 시계열 데이터 예측에서 두각을 나타내고 있는 LSTM(Long Short Term Memory network)을 사용한 모델을 제안하며 이미지를 비롯한 다양한 차원의 데이터를 분석할 때 사용되는 CNN(Convolutional Neural Network)과 두 모델을 결합한 CNN-LSTM과의 성능을 비교한다. 세 가지 모델의 성능은 태양광 발전 실적의 실제값과 딥러닝을 통해 예측한 값으로 MSE, RMSE, 결정계수를 계산하여 비교하였고 그 결과 LSTM 모델의 성능이 가장 우수한 것으로 나타났다. 따라서 본 연구는 LSTM을 사용한 태양광 발전량 예측을 제안한다.